一种动力锂电池的样本数据集生成方法、SOC估计方法技术

本发明专利技术公开了一种动力锂电池的样本数据集生成方法、SOC估计方法，生成方法包括：搭建锂电池充放电瞬态求解模型；依据搭建的锂电池充放电瞬态求解模型，获得锂电池电势图、电流密度分析图以及电池不同倍率性能分析图；导出锂电池电势图、电流密度分析图以及电池不同倍率性能分析图对应的数据；对导出的数据进行预处理，获得锂电池样本数据集。SOC估计方法引入蝙蝠算法，设计迭代优化流程，得到优化后的超参数组合，将更新后的超参数输入网络，从而对锂电池SOC进行估算。本发明专利技术能够适用于不同材料的锂电池，一方面减少了模型计算量，另一方面可以在一定程度上提高了模型预测性能，使得对电池SOC的估计精度较高，具有更高的自适应性。性。性。

【技术实现步骤摘要】
一种动力锂电池的样本数据集生成方法、SOC估计方法


[0001]本专利技术涉及一种动力锂电池的样本数据集生成方法、SOC估计方法，属于电池管理系统(BMS)的荷电状态(SOC)预测范畴。

技术介绍

[0002]一个优秀的电池管理系统可以提高电池效率，延长电池寿命。其中锂电池具有能量密度高、寿命长，无污染等优点，被认为是最有前途的储能选择之一。目前锂电池被广泛应用于工业、日常生活等领域，高精度地估算SOC，不仅能够估算新能源汽车储能电池当前的剩余电量，提高均衡一致性和输出功率，减少额外的冗余；同时可以为准确地评估电池健康状况提供数据依据，以实时了解电池的老化情况。因此如何找到一种有效的方法对电池SOC的估算已成为电池管理的重要环节。
[0003]电池的结构复杂，锂电池的实时SOC是一个变量，无法通过传感器件直接测量得到，在工作时会随外部环境的变化而发生变化。包括温度、放电电流、放电倍率、内阻、自放电率、衰减程度等因素的影响，都会使得电池SOC的估算更加困难。
[0004]目前电池SOC的估算方法有开路电压法、安时计量法、数据驱动法和基于模型的卡尔曼滤波法。(1)开路电压法：当电池处于静止状态时，电池的各项参数相对来说较稳定，利用开路电压与荷电状态之间稳定的函数关系，测量电池开路电压，再对照特性曲线图(OCV
‑
SOC)得出SOC的值。(2)安时计量法：主要就是测量电池的放电电流并将电流随时间进行积分，以此算出一段时间内放出的电量，进而估计电池的SOC。(3)基于模型的卡尔曼滤波法：其中心思想是在已知系统状态空间模型、噪声统计特性以及初始状态值的前提下，依据最小均方误差原则，利用实际的输出观测数据对系统的状态变量进行修正，实时地获得被估计数据状态量的最优估计值。但此方法很大程度深度上依赖于模型的准确性。(4)数据驱动法：该方法无须考虑电池内部的实际反应情况，主要依据系统输入和输出之间的映射关系来建立估算模型。对于传统的神经网络而言，模型只会关注当前时刻信息的处理，不会关注上一时刻信息的处理是否对下一时刻有所帮助。而LSTM网络在传统RNN神经网络的基础上引入了时序的概念，使得上一刻的输出能对下一刻的输入产生直接影响。在LSTM网络中，超参数的选择通常采用不断训练网络，结合训练经验来确定，在试凑的过程中无形中增加了网络训练的时间。为节约训练成本和获得更高的估计精度，通过利用优化算法改善神经网络的结构进行解决尤为重要。

技术实现思路

[0005]本专利技术提供了一种动力锂电池的样本数据集生成方法，以用于获得锂电池样本数据集；并进一步提供了一种动力锂电池的SOC估计方法，以用于可以通过动力锂电池的样本数据集生成方法获得的锂电池样本数据集训练模型实现动力锂电池的SOC估计。
[0006]本专利技术的技术方案是：一种动力锂电池的样本数据集生成方法，包括：
[0007]搭建锂电池充放电瞬态求解模型；
[0008]依据搭建的锂电池充放电瞬态求解模型，获得锂电池电势图、电流密度分析图以及电池不同倍率性能分析图；
[0009]导出锂电池电势图、电流密度分析图以及电池不同倍率性能分析图对应的数据；对导出的数据进行预处理，获得锂电池样本数据集。
[0010]所述搭建锂电池充放电瞬态求解模型，包括：
[0011]选择物理场：添加锂离子电池接口进行电池的充放电瞬态研究；
[0012]构建对象：采用线段间隔指定电池负极、隔膜、正极，构建一维几何；
[0013]模型定义：首先对电池正极的厚度、负极的厚度、隔膜的厚度、充放电时间以及充放电电流参数进行定义；然后选择满足条件的插值函数定义出初始时刻的负极电位状态；其中，插值函数选择一维电池负极电位插值函数；
[0014]模型材料设置：从“电池与燃料电池”的材料库中获得电极的材料，其中，正极材料设置为活性材料，负极材料设置为石墨；
[0015]物理场接口设置：通过添加多孔电极分别完成电池正极和负极的属性设置，对隔膜进行属性设置；设置锂电池的外电路状态，对电池电极进行电接地以及充放电电流设置，其中，充放电电流设置满足充电对内为正，放电对内为负。
[0016]还包括不同倍率参数设置；其中，不同倍率包括默认倍率及设置倍率；在设置倍率下的电流密度为默认倍率对应的电流密度与设置倍率的乘积。
[0017]所述对导出的数据进行预处理，包括：对导出的数据依次进行格式变换、筛选、清洗。
[0018]根据本专利技术实施例的另一方面，还提供了一种动力锂电池的样本数据集生成装置，包括：
[0019]用于搭建锂电池充放电瞬态求解模型的模块；
[0020]第一获得模块，用于依据搭建的锂电池充放电瞬态求解模型，获得锂电池电势图、电流密度分析图以及电池不同倍率性能分析图；
[0021]第二获得模块，用于导出锂电池电势图、电流密度分析图以及电池不同倍率性能分析图对应的数据；对导出的数据进行预处理，获得锂电池样本数据集。
[0022]根据本专利技术实施例的另一方面，还提供了一种动力锂电池的SOC估计方法，包括：
[0023]S1、依据锂电池样本数据集，构建训练集和测试集；
[0024]S2、LSTM网络的确定，将温度值、放电倍率及不同放电倍率下的电压数据确定为LSTM网络的输入，将SOC值作为LSTM网络的输出；其中，LSTM网络包括输入层、隐含层、全连接层、输出层；
[0025]S3、对LSTM网络进行超参数设置；超参数包括隐含层神经元数、最大迭代次数、初始学习速率、学习下降率因子；
[0026]S4、用训练集预训练LSTM网络，结合测试集反馈的预测结果不断调整LSTM网络超参数，直至确定最佳超参数区间；
[0027]S5、通过BA算法寻找最佳超参数区间中的最优超参数组合。
[0028]将上述中任一项所述的动力锂电池的样本数据集生成方法获得的锂电池样本数据集划分为训练集和测试集；或者采用公开锂电池样本数据集/现场采集的锂电池样本数据集划分为训练集和测试集；锂电池样本数据集包括SOC值、温度值、放电倍率及不同放电
倍率下的电压数据。
[0029]所述通过BA算法寻找最佳超参数区间中的最优超参数组合，包括：
[0030]S51、进行BA参数初始化；
[0031]S52、通过BA算法不断迭代寻优输出最优适应度值，找出最优超参数组合。
[0032]根据本专利技术实施例的另一方面，还提供了一种动力锂电池的SOC估计系统，包括：
[0033]构建模块，用于依据锂电池样本数据集，构建训练集和测试集；
[0034]LSTM网络确定模块，用于将温度值、放电倍率及不同放电倍率下的电压数据确定为LSTM网络的输入，将SOC值作为LSTM网络的输出；其中，LSTM网络包括输入层、隐含层、全连接层、输出层；
[0035]设置模块，用于对LSTM网络进行超参数设置；超参数包括隐含层神经元数、最大迭代次数、初始学习速率、学习下降率因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力锂电池的样本数据集生成方法，其特征在于：包括：搭建锂电池充放电瞬态求解模型；依据搭建的锂电池充放电瞬态求解模型，获得锂电池电势图、电流密度分析图以及电池不同倍率性能分析图；导出锂电池电势图、电流密度分析图以及电池不同倍率性能分析图对应的数据；对导出的数据进行预处理，获得锂电池样本数据集。2.根据权利要求1所述的动力锂电池的样本数据集生成方法，其特征在于：所述搭建锂电池充放电瞬态求解模型，包括：选择物理场：添加锂离子电池接口进行电池的充放电瞬态研究；构建对象：采用线段间隔指定电池负极、隔膜、正极，构建一维几何；模型定义：首先对电池正极的厚度、负极的厚度、隔膜的厚度、充放电时间以及充放电电流参数进行定义；然后选择满足条件的插值函数定义出初始时刻的负极电位状态；其中，插值函数选择一维电池负极电位插值函数；模型材料设置：从“电池与燃料电池”的材料库中获得电极的材料，其中，正极材料设置为活性材料，负极材料设置为石墨；物理场接口设置：通过添加多孔电极分别完成电池正极和负极的属性设置，对隔膜进行属性设置；设置锂电池的外电路状态，对电池电极进行电接地以及充放电电流设置，其中，充放电电流设置满足充电对内为正，放电对内为负。3.根据权利要求2所述的动力锂电池的样本数据集生成方法，其特征在于：还包括不同倍率参数设置；其中，不同倍率包括默认倍率及设置倍率；在设置倍率下的电流密度为默认倍率对应的电流密度与设置倍率的乘积。4.根据权利要求1所述的动力锂电池的样本数据集生成方法，其特征在于：所述对导出的数据进行预处理，包括：对导出的数据依次进行格式变换、筛选、清洗。5.一种动力锂电池的样本数据集生成装置，其特征在于：包括：用于搭建锂电池充放电瞬态求解模型的模块；第一获得模块，用于依据搭建的锂电池充放电瞬态求解模型，获得锂电池电势图、电流密度分析图以及电池不同倍率性能分析图；第二获得模块，用于导出锂电池电势图、电流密度分析图以及电池不同倍率性能分析图对应的数据；对导出的数据进行预处理，获得锂电池样本数据集。6.一种动力锂电...

【专利技术属性】
技术研发人员：杨彪，王银双，成宬，钱斌，李琨，张长胜，金怀平，王彬，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：